面向自动驾驶系统的混合运动规划方法综述

运动规划是自动驾驶车辆模块化架构中的关键要素，充当了上游感知模块与下游低层控制信号之间的桥梁。传统运动规划器最初为特定的自动驾驶功能（ADFs）设计，但不断演变的高度自动化驾驶系统（ADS）需要满足各种 ADFs，包括不可预见的功能。这一需求促使文献中发展出“混合”方法，以结合不同技术（如数据驱动的（基于学习的）和逻辑驱动的（解析的）方法），从而提升运动规划性能。近期研究显著推动了面向战术决策（TDM）和轨迹生成（TG）的更高效、更准确、更安全的混合方法的发展，并将其算法集成到运动规划模块中。鉴于混合方法的广泛变体和潜力，本文对当前文献进行了一次及时且全面的综述。我们依据所采用的组件类型（如抽样基于方法与优化基于/学习基于运动规划器的组合）对混合运动规划器进行分类，通过评估所面临的挑战与局限性，并判断其是聚焦于 TG 还是 TDM，来进行不同类别的比较。我们希望本方法能帮助该领域的研究者深入了解混合运动规划中的当前趋势，并为未来研究的前沿方向提供启示。